论文用兄弟框架互补救援训练，把能力迁移回单一策略。
资讯摘要
论文提出 Harness-S，不再追求单一最优执行框架，而是利用从同一基础演化出的多个“兄弟框架”互补修复失败案例，并将能力迁移回单一策略，使其在原基础框架下仍有效。方法包含定向框架演化、互补框架救援训练与自适应框架路由器，并在 AppWorld、SWE-Gym、DBBench 上报告训练后策略显著优于仅训练策略。
要点速读
- 论文观察到框架演化具有局部性、互补性与非平稳性：不同变体修复不同失败，效用随策略学习变化。
- 定向框架演化构建固定的 Sibling Harness Pool；互补框架救援训练仅在基础框架全部失败时调用，用辅助框架轨迹替换失败组做强化学习。
- 自适应框架路由器基于 Harness Behavior Profiles 与多 LLM 投票选 Top-k，并随策略学习重新锚定；在 AppWorld、SWE-Gym、DBBench 上作者报告返回原基础框架后显著优于仅策略训练。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/5 08:00:38（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。